发布于: Feb 8, 2022
Amazon SageMaker Autopilot 可根据您的数据自动构建、训练和调整最佳机器学习模型，同时允许您保持完全控制和可见性。自即日起，SageMaker Autopilot 将提供新的指标和报告，以便您更好地了解分类问题的模型性能。您可以利用这些指标来收集有关模型排行榜中最佳模型的更多洞察。
新的指标和报告包括混淆矩阵、接受者操作特性曲线曲线下面积（AUC-ROC）曲线和精确召回曲线下面积（AUC-PR），这有助于理解误报/漏报、真阳性率和假阳性率之间的权衡，精确率和召回率之间的权衡，以评估最佳模型的性能特征。具体而言，混淆矩阵有助于将不同类别/标签的模型性能可视化，接受者操作特征下的面积（AUC-ROC）表示的是真阳性率和假阳性率之间的权衡，精确召回曲线下的面积（AUC-PR）表示的是精确率和召回率之间的权衡。这些新指标可在“模型详细信息”项下的新“性能”选项卡中找到最佳候选模型，并可下载到 PDF 报告中。如前所述，排行榜中的所有候选模型均可使用其他标量指标，例如 F1、F1 宏、AUC、MSE 和 Accuracy（准确度）。
自即日起，这些针对最佳候选模型的新模型报告和洞察将在已推出 SageMaker Autopilot 的所有区域提供。要了解更多信息，请参阅 Autopilot 模型报告。要开始使用 SageMaker Autopilot，请参阅产品页面或在 SageMaker Studio 中访问 SageMaker Autopilot。